基于WSN-LatLRR的红外和可见光图像融合方法

    公开(公告)号:CN113362281B

    公开(公告)日:2024-02-06

    申请号:CN202110537569.1

    申请日:2021-05-17

    IPC分类号: G06T7/00 G06T5/50 G06F17/16

    摘要: 本发明公开了一种基于WSN‑LatLRR的红外和可见光图像融合方法。本发明对可见光图像和红外图像进行预处理,通过多级加权schattenp‑范数潜在低秩表示,分别分解为一个低秩部分和多个显著部分,对分解后的低秩部分重构为基础图像并进行融合,得到融合后的基础图像,对每对显著部分分别融合后将同级显著部分重构为融合后的显著图像,最后,融合后的基础图像与融合后的多级显著图像相加,得到最终的融合图像。通过本发明融合得到的融合结果细节信息丰富,相比于原来的低照度图像,场景目标更加清晰,图像的对比度提升。

    基于LatLRR和Retinex增强的可见光和红外图像融合方法

    公开(公告)号:CN113192049A

    公开(公告)日:2021-07-30

    申请号:CN202110535236.5

    申请日:2021-05-17

    IPC分类号: G06T7/00 G06F17/16 G06T5/50

    摘要: 本发明公开了一种基于LatLRR和Retinex增强的可见光和红外图像融合方法。本发明对可见光图像和红外图像进行预处理,通过多级潜在低秩分解得到基础图像和多个细节图像,对分解后的基础图像重构:对基础图像进行Retinex增强后进行融合,得到融合后的基础图像;每一级的细节部分重构为细节图像,对每对细节图像进行多视觉综合加权融合,最后,融合后的基础图像与融合后的多级细节图像相加,得到最终的融合图像。本发明融合得到的融合结果细节信息丰富,场景目标更加清晰,图像的对比度提升。本发明提出的图像融合方法在较好的保留图像细节信息的同时,可以提高图像所包含的信息量,从而提升图像融合质量。

    基于特征点微调的多源遥感图像匹配方法及装置

    公开(公告)号:CN113223066B

    公开(公告)日:2022-07-08

    申请号:CN202110397075.8

    申请日:2021-04-13

    申请人: 浙江大学

    IPC分类号: G06T7/33 G06V10/44 G06V10/46

    摘要: 本发明涉及图像处理领域,公开了一种基于特征点微调的多源遥感图像匹配方法及装置。包括:(1)特征点提取和粗匹配,得到初始匹配特征点对、仿射变换参数和矫正待配图;(2)对参考图像和矫正待配图中的每对特征点的局部区域进行扩展相位相关,微调待匹配图像的特征点坐标;(3)重新计算仿射变换参数和矫正待配图;(4)计算参考图像和矫正待配图的相位相关系数。重复过程(2)‑(4),直到相位相关系数连续3次递减。本发明利用了基于特征点的匹配方法对灰度差异和尺度差异鲁棒的特点,以及扩展相位相关法的匹配精度高的特点,提出特征点粗匹配后利用扩展相位相关进行特征点微调的匹配方法,能够提升多源遥感图像匹配的精度和鲁棒性。

    基于特征点微调的多源遥感图像匹配方法及装置

    公开(公告)号:CN113223066A

    公开(公告)日:2021-08-06

    申请号:CN202110397075.8

    申请日:2021-04-13

    申请人: 浙江大学

    IPC分类号: G06T7/33 G06K9/46

    摘要: 本发明涉及图像处理领域,公开了一种基于特征点微调的多源遥感图像匹配方法及装置。包括:(1)特征点提取和粗匹配,得到初始匹配特征点对、仿射变换参数和矫正待配图;(2)对参考图像和矫正待配图中的每对特征点的局部区域进行扩展相位相关,微调待匹配图像的特征点坐标;(3)重新计算仿射变换参数和矫正待配图;(4)计算参考图像和矫正待配图的相位相关系数。重复过程(2)‑(4),直到相位相关系数连续3次递减。本发明利用了基于特征点的匹配方法对灰度差异和尺度差异鲁棒的特点,以及扩展相位相关法的匹配精度高的特点,提出特征点粗匹配后利用扩展相位相关进行特征点微调的匹配方法,能够提升多源遥感图像匹配的精度和鲁棒性。

    一种图像地理配准的缺陷组件定位方法及装置

    公开(公告)号:CN116758142A

    公开(公告)日:2023-09-15

    申请号:CN202310548294.0

    申请日:2023-05-12

    IPC分类号: G06T7/70 G06T7/30

    摘要: 本发明涉及图像处理领域,特别是涉及一种图像地理配准的缺陷组件定位方法、装置、设备及计算机可读存储介质,通过获取航拍图像、对应的拍摄经纬度信息及对应的缺陷组件位置信息;根据预存储的电站底图及所述指拍摄经纬度信息确定拍摄像素坐标;根据所述拍摄像素坐标、所述航拍图像及分辨率比,确定底图子图;根据所述底图子图、所述航拍图像及所述缺陷组件位置信息,确定所述底图子图上的映射缺陷位置信息;根据所述映射缺陷位置信息,确定缺陷组件经纬度信息。本发明将航拍图像与电站底图进行结合,在不涉及复杂的特征点匹配的前提下,快速确定缺陷组件存在的初始区域,提升了所述缺陷组件的定位效率与检修效率。

    基于编码和独立目标子空间投影的高光谱异常检测方法及装置

    公开(公告)号:CN115375624A

    公开(公告)日:2022-11-22

    申请号:CN202210868145.8

    申请日:2022-07-22

    申请人: 浙江大学

    IPC分类号: G06T7/00 G06N3/04 G06N3/08

    摘要: 本发明涉及图像处理领域,公开了一种基于编码和独立目标子空间投影的高光谱异常检测方法及装置。包括:(1)基于自编码器隐含层神经元数和独立目标数确定;(2)利用自编码器训练原始数据,获得编码权重矩阵及编码空间投影矩阵;(3)将原始数据投影至编码空间的正交子空间,获得低秩背景组分的正交组分;(4)将低秩背景组分的正交组分进行数据球化,并将其用于搜索独立目标用于构造独立目标子空间;(6)将球化后的正交组分投影至独立目标子空间,获得独立目标组分;(7)利用稀疏基数约束独立目标组分得到异常组分,将其结合距离算子构造检测算子,实现异常检测。本发明利用了自编码器和独立目标空间投影能够有效抑制背景,增强目标。

    基于WSN-LatLRR的红外和可见光图像融合方法

    公开(公告)号:CN113362281A

    公开(公告)日:2021-09-07

    申请号:CN202110537569.1

    申请日:2021-05-17

    IPC分类号: G06T7/00 G06T5/50 G06F17/16

    摘要: 本发明公开了一种基于WSN‑LatLRR的红外和可见光图像融合方法。本发明对可见光图像和红外图像进行预处理,通过多级加权schattenp‑范数潜在低秩表示,分别分解为一个低秩部分和多个显著部分,对分解后的低秩部分重构为基础图像并进行融合,得到融合后的基础图像,对每对显著部分分别融合后将同级显著部分重构为融合后的显著图像,最后,融合后的基础图像与融合后的多级显著图像相加,得到最终的融合图像。通过本发明融合得到的融合结果细节信息丰富,相比于原来的低照度图像,场景目标更加清晰,图像的对比度提升。

    基于多级LatLRR的红外和彩色可见光图像快速融合方法

    公开(公告)号:CN114511484B

    公开(公告)日:2024-07-26

    申请号:CN202111641408.3

    申请日:2021-12-29

    申请人: 浙江大学

    IPC分类号: G06T5/50

    摘要: 本发明涉及图像融合这一领域,公开了一种基于多级LatLRR的红外和彩色可见光图像快速融合方法。先计算可见光图像CbCrY颜色空间的Y分量,红外图像与可见光Y分量分别进行多级潜在低秩分解,利用分解结果,基于归一化核范数差和图像重构计算细节注入权重,将红外图像的细节注入可见光彩色图像的三个通道,得到融合后的彩色图像。采用该方法融合得到的融合结果,既可以保留可见光图像的细节信息,避免纹理缺失或模糊退化的近红外图像对融合结果的影响,又可以充分利用红外图像中的显著细节,增强融合效果。

    基于LatLRR和Retinex增强的可见光和红外图像融合方法

    公开(公告)号:CN113192049B

    公开(公告)日:2024-02-06

    申请号:CN202110535236.5

    申请日:2021-05-17

    IPC分类号: G06T7/00 G06F17/16 G06T5/50

    摘要: 本发明公开了一种基于LatLRR和Retinex增强的可见光和红外图像融合方法。本发明对可见光图像和红外图像进行预处理,通过多级潜在低秩分解得到基础图像和多个细节图像,对分解后的基础图像重构:对基础图像进行Retinex增强后进行融合,得到融合后的基础图像;每一级的细节部分重构为细节图像,对每对细节图像进行多视觉综合加权融合,最后,融合后的基础图像与融合后的多级细节图像相加,得到最终的融合图像。本发明融合得到的融合结果细节信息丰富,场景目标更加清晰,图像的对比度提升。本发明提出的图像融合方法在较好的保留图像细节信息的同时,可以提高图像所包含的信息量,从而提升图像融合质量。